[发明专利]用于预警风险升级事件的自然语言处理方法

权利要求书

1.用于预警风险升级事件的自然语言处理方法，其特征在于，包括以下步骤：

S1、建立数据仓库，将数据源接入数据仓库；

S2、以自然语言处理为基础，通过事件分析相关模型对数据源中的事件信息进行提取和处理；

S3、将事件分析相关模型的结果值输入至预警分析模型，进行风险升级事件升级风险值分析和预警。

2.根据权利要求1所述的用于预警风险升级事件的自然语言处理方法，其特征在于，所述S1具体包括：

S101、接入多渠道数据源；

S102、根据统一的格式对数据进行清洗，生成统一的结构化数据，写入数据库。

3.根据权利要求1所述的用于预警风险升级事件的自然语言处理方法，其特征在于，所述数据源包括各领域事件数据，具体包括：市民热线、热点事件、非警务警情、各类帮忙热线、人民调解数据和矛盾调解中心数据。

4.根据权利要求1所述的用于预警风险升级事件的自然语言处理方法，其特征在于，所述事件分析相关模型包括根据业务需要、动态可配置事件类型的事件分类模型，用于抽取事件地点、组织、人员的实体抽取模型，用于计算财产损失的财产损失模型，用于计算人员的人员伤亡模型，以及用于计算民众情绪激烈程度的民众情绪模型。

5.根据权利要求4所述的用于预警风险升级事件的自然语言处理方法，其特征在于，所述S2包括：

S201、根据事件信息进行事件分类，通过事件分类模型将事件分成多个大类，且每个大类下设置有多个小类；

S202、将分类后的结果送入实体抽取模型进行实体抽取，对契合社会综合治理的文本和类别的特征进行抽取；

S203、根据实体抽取结果内容的不同进行预设的关键字碰撞，通过财产损失模型与人员伤亡模型计算得出分值，全量文本进入民众情绪模型，通过分析运算得出风险升级事件的民众情绪激烈程度；

其中，各个模型之间通过接口的方式向下传递相应的模型计算结果。

6.根据权利要求5所述的用于预警风险升级事件的自然语言处理方法，其特征在于，所述事件分类通过K-means算法和贝叶斯网络相结合的混合算法对事件进行分类：

通过K-means算法训练样本聚类，并提供人工干预接口供人工动态干预配置训练结果，根据训练结果，运用贝叶斯网络对事件进行分类。

7.根据权利要求5所述的用于预警风险升级事件的自然语言处理方法，其特征在于，在步骤S202之前，事先对实体抽取模型进行语料喂养：将大量与社会综合治理相关的事件整理归纳后进行训练，训练过程中为每个实体进行标记命名，根据得出的结果进行修正，以得到能够对契合社会综合治理的文本和类别的特征进行抽取的实体抽取模型。

8.根据权利要求1所述的用于预警风险升级事件的自然语言处理方法，其特征在于，所述风险升级事件升级风险值分析根据风险值算法进行风险值计算，通过结合事件提取出的结果，计算民转刑风险值。

9.根据权利要求8所述的用于预警风险升级事件的自然语言处理方法，其特征在于，步骤S3之后还包括：通过历史数据调整各要素对风险值的权重以优化风险值算法。

10.根据权利要求1所述的用于预警风险升级事件的自然语言处理方法，其特征在于，所述风险升级事件升级风险值预警通过建立风险升级事件预警触发机制提供事件升级风险值的预警：

对事件设置有相应的预警风险值阈值，并在风险升级事件升级风险值超过风险阈值时将预警信息发送给相关人员。